Ilman Shazhaev, Συνιδρυτής & Διευθύνων Σύμβουλος της Acoustery – Σειρά Συνεντεύξεων

Ο Ilman Shazhaev, είναι ο Συνιδρυτής & Διευθύνων Σύμβουλος της Acoustery, μια εταιρεία υγείας που αναπτύσσει τεχνολογία AI για την πρώιμη αναγνώριση αναπνευστικών ασθενειών.

Τι σας έκανε να ενδιαφερθείτε για την επιστήμη των υπολογιστών και τη μηχανική;

Η ποσότητα των δεδομένων που είναι διαθέσιμα σήμερα είναι μεγαλύτερη από ποτέ, και η τεχνολογία AI — η οποία είναι πολύ εξαρτημένη από τα δεδομένα — έχει κάνει τεράστια πρόοδο τα τελευταία χρόνια. Αυτός είναι ο λόγος που η έρευνα σε αυτό το πεδίο είναι τόσο ενθουσιώδης.

Τώρα εστιάζω σε έργα Big Data. Κατά τη διάρκεια του COVID-19, συνίδρυσα την Acoustery: μια πλήρως αυτοματοποιημένη λύση AI για την παρακολούθηση της υγείας με βάση την ανάλυση της φωνής, του βήχα και της αναπνοής.

Το επόμενο βήμα ήταν να συνδυάσω την έρευνα υγείας και τα βιντεοπαιχνίδια. Γιατί; Η ποσότητα των δεδομένων που παράγεται από αυτήν την βιομηχανία είναι μοναδική· τι πιο σημαντικό, οι gamers είναι πρώιμοι χρήστες που είναι έτοιμοι να μοιράζονται τα δεδομένα τους και να συνεισφέρουν στην επιστημονική πρόοδο. Ταυτόχρονα, ο αριθμός των ενεργών κλινικών δοκιμών είναι χαμηλός, η πρόοδος είναι αργή, και ο τομέας των βιντεοπαιχνιδιών επιτρέπει μια πολύ πιο δυναμική επεξεργασία δεδομένων.

Μπορείτε να μας εξηγήσετε την ιστορία πίσω από την Acoustery;

​​​Όπως ανέφερα trước, η Acoustery ξεκίνησε κατά τη διάρκεια της πανδημίας. Παρότι οι επιχειρηματικές ευκαιρίες το 2020 ήταν σχετικά περιορισμένες, έμεινα στο Ντουμπάι, ένα από τα λίγα μέρη όπου ένα έργο μπορούσε να λειτουργήσει χωρίς πολύ αυστηρούς περιορισμούς.

Ο συνιδρυτής μου, Dr.Dmitry Mikhaylov, καθηγητής στο Εθνικό Πανεπιστήμιο της Σιγκαπούρης, και εγώ ξεκινήσαμε μια νέα πρόκληση: την πρώιμη ανίχνευση του COVID-19. Την εποχή εκείνη, τα ΗΑΕ εξερεύνησαν ενεργά τις τεχνολογίες πρώιμης διάγνωσης και υποστήριξαν σε μεγάλο βαθμό τα έργα AI.

Χάρη σε αυτό, είχαμε πρόσβαση σε ένα από τα καλύτερα κέντρα δοκιμών στα ΗΑΕ: το στρατιωτικό νοσοκομείο Sheikh Zayed, όπου είχαμε δεδομένα από εκατοντάδες ασθενείς με COVID-19 για να εκπαιδεύσουμε το μηχανισμό AI μας.

Στο επόμενο στάδιο, οι δοκιμές έδειξαν ότι η τεχνολογία μας ήταν πολύ ακριβής και είχε μεγάλες δυνατότητες. Οι ερευνητές δημοσίευσαν τα αποτελέσματά τους σε κορυφαία περιοδικά στην Ιαπωνία και τις ΗΠΑ, και η μέθοδος δοκιμών μας χρησιμοποιήθηκε σε πολλές ασιατικές χώρες κατά τη διάρκεια της πανδημίας ως εργαλείο έκτακτης ανάγκης.

Όταν το COVID-19 τελείωσε, εστίασα στην ανίχνευση άσθματος χρησιμοποιώντας την ίδια προσέγγιση. Το Πανεπιστήμιο Σαρτζά, το οποίο σήμερα πρωτοστατεί στην έρευνα των ΗΑΕ, επικύρωσε αυτές τις δοκιμές.

Για το COVID-19, πόσο ακριβές είναι αυτό το σύστημα σε σύγκριση με τα τεστ PCR, LFT και αντισωμάτων;

Η θετική προγνωστική αξία της Acoustery στο πλαίσιο προσυμπτωματικού ελέγχου για COVID-19 σε επίπεδο κοινότητας είναι σχετικά υψηλή (81%) σε σύγκριση με το Xpert MTB/RIF, ένα νέο τεστ που επαναπροσδιορίζει την ανίχνευση και τον έλεγχο της φυματίωσης με τη συνεισφορά στη γρήγορη διάγνωση της νόσου (61%) και τις εξετάσεις PCR με φαρυγγικό επίχρισμα (71%).

Τα ευρήματά μας έχουν δείξει ότι το λογισμικό που αναπτύχθηκε από την Acoustery μπορεί να χρησιμοποιηθεί ως αρχικό μη εργαστηριακό εργαλείο ελέγχου για τον εντοπισμό περιπτώσεων COVID-19 και την παραπομπή των ασθενών σε εργαστήρια για τεστ PCR.

Μπορείτε να μας πείτε περισσότερα για την μηχανική μάθηση που χρησιμοποιήθηκε για την εκπαίδευση του AI;

Υποθέσαμε ότι για να πάρουμε ένα ακριβές ρυθμό ανίχνευσης του COVID-19, μπορούσαμε να εκπαιδεύσουμε συνελικτικά και αναδρομικά νευρωνικά δίκτυα για να διαγνώσουμε την ασθένεια με την ανάλυση των φασματογραμμάτων του βήχα και της αναπνοής των ασθενών. Ένα φασματογράφημα είναι ένας οπτικός τρόπος αναπαράστασης της έντασης του σήματος σε διάφορες συχνότητες. Ένας αριθμός ιατρικών μελετών έδειξε σημαντικές διαφορές μεταξύ του βήχα των ασθενών που είχαν COVID και εκείνων που δεν είχαν, οπότε εκπαιδεύσαμε τον μηχανισμό AI μας να αναγνωρίζει τέτοιες διαφορές.

Οι εξελίξεις της Acoustery μπορούν να χρησιμοποιηθούν για την διάγνωση της νόσου του Alzheimer, η οποία θεωρείται συνήθως ως νευρολογική διαταραχή. Πώς ακριβώς λειτουργεί;

Η μελέτη μας εξετάζει πώς τα μέτρα της ομιλίας μπορεί να συνδεθούν με γλωσσικά προφίλ σε συμμετέχοντες με νόσο του Alzheimer (AD) και πώς αυτά τα προφίλ θα μπορούσαν να διακρίνουν την AD από τις αλλαγές που συνδέονται με την φυσιολογική γήρανση. Για να επιτύχουμε αυτό, το AI μας αναλύει απλές προτάσεις που προφέρονται από ηλικιωμένους με και χωρίς AD, από το ποσοστό και τον αριθμό των διακοπών της φωνής μέχρι το shimmer (πηλίκο διαταραχής του πλάτους) και το λόγο θορύβου προς αρμονικές. Η ακρίβεια αυτής της ανάλυσης φτάνει στο 90%.

Αργότερα, χρησιμοποιήσαμε την ίδια προσέγγιση στο Farcana Labs – μια εταιρεία που επικεντρώνεται στη συλλογή Big Data που παράγεται από gamers για την έρευνα της πρόοδου ασθενειών, ιδιαίτερα με ψυχικές διαταραχές.

Ποίες άλλες ασθένειες μπορούν να διαγνωστούν με αυτόν τον τρόπο;

Το άσθμα είναι η κύρια προτεραιότητά μας τώρα. Η φυματίωση είναι ένα άλλο σημείο εστίασης, καθώς και η χρόνια αποφρακτική πνευμονοπάθεια (COPD), η πνευμονική ίνωση, η πνευμονία και ο καρκίνος του πνεύμονα.

Πόσο μεγάλα είναι τα σύνολα δεδομένων εκπαίδευσης για αυτές τις περιπτώσεις;

Έχουμε χιλιάδες ηχογραφήσεις βήχα στη βάση μας που συλλέχθηκαν τα τελευταία τέσσερα χρόνια.

Ποιο είναι το όραμά σας για το μέλλον της ιατρικής διάγνωσης σε γενικές γραμμές;

Τα δεδομένα που συλλέγονται από προσωπικές συσκευές θα παίξουν σημαντικό ρόλο στη διάγνωση ασθενειών σε πρώιμο στάδιο και στην πρόληψη πανδημιών. Ακόμη και τα κινητά τηλέφωνα μας έχουν πολλαπλά αισθητήρια: ένα μικρόφωνο είναι μόνο ένα από αυτά. Τα επιταχυνσιόμετρα, που μπορούν να αναλύουν κινητικές δεξιότητες και να ανιχνεύουν πολλές ασθένειες, είναι ένα άλλο παράδειγμα.

Ακόμη και αν αυτές οι τεχνολογίες δεν πρέπει να είναι η μόνη πηγή για διάγνωση, μπορούν να βοηθήσουν σημαντικά στην πρόβλεψη και στην πρόληψη της διάδοσης των εξαιρετικά μεταδοτικών αναπνευστικών ασθενειών — και, ως αποτέλεσμα, νέων πανδημιών. Η Acoustery μπορεί επίσης να χρησιμοποιηθεί σε αναπτυσσόμενες χώρες όπου η πρόσβαση σε τεστ PCR είναι περιορισμένη.

Φαίνεται να έχετε πολλά έργα σε εξέλιξη; Ποίες είναι μερικές άλλες ενθουσιώδεις περιπτώσεις που βλέπετε για την AI;

Ο χώρος της AI είναι μοναδικός. Ως ερευνητές AI, εστιαζόμαστε σε θύλακες που παράγουν μεγάλα δεδομένα, τα οποία είναι απαραίτητα για οποιαδήποτε έρευνα AI. Χρειαζόμαστε πολλούς ασθενείς για να συγκεντρώσουμε ποιοτικά σύνολα δεδομένων, οπότε έχουμε μερικά έργα που εκτελούνται παράλληλα και εξερευνούμε αρκετούς επιχειρηματικούς κλάδους.

Βλέπουμε τα βιντεοπαιχνίδια ως έναν τομέα όπου μια τεράστια ποσότητα δεδομένων παράγεται. Σήμερα, οι άνθρωποι παίζουν πολλά βιντεοπαιχνίδια, τα οποία είναι μια πολύτιμη πηγή δεδομένων για την έρευνα υγείας. Η συλλογή δεδομένων από προσωπικές συσκευές και wearables είναι ένας άλλος δίαυλος με σημαντικές δυνατότητες.

Όλα αυτά, είναι ενθουσιώδες να εξερευνούμε αυτήν την τεχνολογία τώρα, και πιστεύω ότι έχει ακόμη περισσότερες δυνατότητες να αξιοποιηθεί σε άλλους τομείς.

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα μπορούν να επισκεφθούν την Acoustery.